tf.transpose()函数

tensorflow里面许多针对数组操作的函数,官方文档又看了没啥卵用,网上帖子直接copy官方文档而不解释,只能自己写个程序测试理解,以3个维度的tensor进行理解

tf.transpose()作为数组的转置函数,原型如下:def transpose(a, perm=None, name="transpose"):
"""Transposes `a`. Permutes the dimensions according to `perm`.

a:是传入的数组

perm:控制转置的操作,以perm = [0,1,2] 3个维度的数组为例, 0--代表的是最外层的一维, 1--代表外向内数第二维, 2--代表最内层的一维,这种perm是默认的值.现在以如下输入数组来理解这个函数和参数perm

nput_x = [
[
[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]
],
[
[13, 14, 15, 16],
[17, 18, 19, 20],
[21, 22, 23, 24]
]
]

input_x 是一个 2x3x4的一个tensor, 假设perm = [1,0,2], 就是将最外2层转置,得到tensor应该是 3x2x4的一个张量,将input_x抽象化,不管第3维度
[
[
A,
B,
C
],
[
D,
E,
F,
]
]
变成2x3的tensor,类似于2x3的数组
[
A B C
D E F
]
转置变成 3x2的数组
[
A D
B E
C F
]
再将A-F换成具体的值,最终得到的张量是
[
[
[ 1 2 3 4]
[13 14 15 16]
]
[
[ 5 6 7 8]
[17 18 19 20]
]
[
[ 9 10 11 12]
[21 22 23 24]
]
]
这就可以看出perm前两列交换的作用
如果 perm=[0,2,1]说明要交换内层里面的两个维度,从原来的2x3x4变成2x4x3的张量,就不抽象化了,结果就是
[
[
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]
[ 4 8 12]
]
[
[13 17 21]
[14 18 22]
[15 19 23]
[16 20 24]
]
]
下面贴出我的代码:

import tensorflow as tf

input_x = [
    [
        [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, 10, 11, 12]
    ],
    [
        [13, 14, 15, 16],
        [17, 18, 19, 20],
        [21, 22, 23, 24]
    ]

]

result = tf.transpose(input_x, perm=[0, 2, 1])
with tf.Session() as sess:
    print(sess.run(result))

注意,使用print(result)只会打印tensor的name shape dtype信息
Tensor("transpose:0", shape=(2, 4, 3), dtype=int32)
想要打出数组的形式,使用session

result = tf.transpose(input_x, perm=[0, 2, 1])
print(result)
with tf.Session() as sess:
	print(sess.run(result))

结果和我手算的一样：

tensorflow里面许多针对数组操作的函数,官方文档又看了没啥卵用,网上帖子直接copy官方文档而不解释,只能自己写个程序测试理解,以3个维度的tensor进行理解